- 使用开源工具和数据集评估德国的区域需求响应潜力;
- CasGCN：基于信息扩散图预测未来的级联增长;
- 超越局部图神经网络：属性模体正则化框架;
- 政治选举中的信息流动：随机视角;
- 使用图嵌入的网络社区检测;
- 自然状态认知能力：人群尺度的基于博弈的认知评估;
- Covid-19的感染动力学：锁定是有效的遏制工具吗？;
- COVID-19高峰爆发的时间分析;
- 流行病信息和风险意识对传染的耦合影响;
- 多层网络中的顺序播种;
- 隔离的出现：从可观察的标记到特定于群体的规范;
- SemEval-2020任务12的WOLI：不同Twitter数据集上的阿拉伯语冒犯性语言识别;
- 评估和预测锁定策略对COVID-19案例影响的深度学习模型;
- 建模城市企业网络的增长;
- 叙述与需求：使用Twitter话语分析“旋风孤儿”的经历;
使用开源工具和数据集评估德国的区域需求响应潜力
原文标题： Assessment of the regionalised demand response potential in Germany using an open source tool and dataset
地址： http://arxiv.org/abs/2009.05122
作者： Wilko Heitkoetter, Bruno U. Schyska, Danielle Schmidt, Wided Medjroubi, Thomas Vogt, Carsten Agert
摘要： 随着德国可再生能源的发展，迫在眉睫的电网拥堵事件更加频繁地发生。避免减少可再生能源的一种方法是通过需求响应来弥补过多的供电。由于削减通常是当地现象，因此在这项工作中，我们确定了德国401行政区的区域需求响应潜力。负荷分区基于人口和就业统计数据，工业设施的位置等得出的加权因子。使用周期性和温度相关的负荷曲线和特定于技术的参数，以15分钟的时间分辨率确定了负荷转移潜力。我们的分析表明，电热技术提供了最大的潜力，其次是家用电器，商业和工业负载。对于已考虑的2030年情景，以天然气发电和电动交通也将发挥巨大潜力。所有技术的累积负载增加潜力在每个行政区中介于 5-470〜MW 之间。中值是 25〜MW ，足以避免减少8台经典风力涡轮机。此外，我们计算了每个地区的负荷转移成本潜力曲线。由于每个设施的最大装机容量，区域供热的工业过程和热电联产的投资转移成本最低。我们对热泵安装容量的不同大小类别进行了区分，与郊区相比，柏林市的热泵柔性化平均投资成本降低了23％。大多数考虑的负荷转移技术的可变成本仍在削减可再生能源的平均补偿成本下，为 110〜 text euro / MWh 。由于所有结果和开发的代码均在开源许可证下发布，因此可以将其集成到能源系统模型中。
CasGCN：基于信息扩散图预测未来的级联增长
原文标题： CasGCN: Predicting future cascade growth based on information diffusion graph
地址： http://arxiv.org/abs/2009.05152
作者： Zhixuan Xu, Minghui Qian, Xiaowei Huang, Jie Meng
摘要： 突然的信息激增会导致意想不到的后果，例如极端的看法，时尚趋势的变化以及谣言的不可控制的传播。未来如何有效预测级联的大小已成为一个重要问题，尤其是对于Twitter和微博等社交媒体平台上的大型级联。但是，现有方法不足以应对这一具有挑战性的预测问题。常规方法严重依赖于手工制作的功能或不切实际的假设。端到端深度学习模型（例如递归神经网络）不适合直接与图输入一起使用，并且不能处理级联图中嵌入的结构信息。在本文中，我们提出了一种用于级联增长预测的新型深度学习架构CasGCN，该架构使用图卷积网络从图输入中提取结构特征，然后将注意力机制应用于提取的特征和时间进行级联大小预测之前的信息。我们在两个现实世界中的级联增长预测方案（即新浪微博上的转推流行度和DBLP上的学术论文引文）上进行了实验，实验结果表明，CasGCN优于几种基准方法，特别是当级联为规模大。
超越局部图神经网络：属性模体正则化框架
原文标题： Beyond Localized Graph Neural Networks: An Attributed Motif Regularization Framework
地址： http://arxiv.org/abs/2009.05197
作者： Aravind Sankar, Junting Wang, Adit Krishnan, Hari Sundaram
摘要： 我们介绍InfoMotif，这是一种新的半监督，基于主题的规则化，基于图的学习框架。我们克服了流行图神经网络（GNN）中消息传递的两个关键限制：定位（k层GNN无法利用标记的训练节点的k跳邻域外的特征）和过度平滑（结构上无法区分）的表示形式。基于节点在不同网络主题中的出现，我们提出了节点的归属结构角色的概念，与网络的邻近性无关。如果两个节点通过共同变化的属性集参与拓扑相似的基序实例，则它们共享属性的结构角色。此外，InfoMotif通过相互信息最大化来规范化任意GNN的节点表示，从而实现了体系结构独立性。我们的培训课程动态地优先考虑学习过程中的多个主题，而无需依赖基础图或学习任务中的分布假设。我们将三个最先进的GNN集成到我们的框架中，以显示六个不同的真实世界数据集的显著提高（3-10％的准确性）。对于在本地邻域结构中具有稀疏训练标签和各种属性的节点，我们看到了更大的收益。
政治选举中的信息流动：随机视角
原文标题： Information flow in political elections: a stochastic perspective
地址： http://arxiv.org/abs/2009.05198
作者： Santosh Kumar Radha
摘要： 通常，候选人的吸引力直接取决于他对各种政策和社会问题的清晰意识形态和观点。我们使用随机微分方程和Ornstein-Uhlenbeck过程的思想，开发了一种现象学模型，以了解（不明确地）将候选人的立场传达给有投票权的公众的影响。我们将证明，从直觉上来说，对一个人的立场存在模糊的量化优势。
使用图嵌入的网络社区检测
原文标题： Community detection in networks using graph embeddings
地址： http://arxiv.org/abs/2009.05265
作者： Aditya Tandon, Aiiad Albeshri, Vijey Thayananthan, Wadee Alhalabi, Filippo Radicchi, Santo Fortunato
摘要： 图嵌入方法在机器学习社区中变得越来越流行，在该领域中，它们被广泛用于诸如节点分类和链路预测之类的任务。在几何空间中嵌入图也应有助于网络社区的识别，因为同一社区中的节点应在几何空间中相互靠近投影，可以通过标准数据聚类算法对其进行检测。在本文中，我们测试了几种图嵌入技术检测基准图社区的能力。我们将它们的性能与传统的社区检测算法进行了比较。我们发现，如果适当选择嵌入技术的参数，性能是可比的。但是，最佳参数集随基准图的特定特征（如大小）而变化，而流行的社区检测算法不需要任何参数。因此，不可能预先指出用于分析实际网络的良好参数集。这一发现以及嵌入网络和对点进行分组的高计算成本表明，对于社区检测而言，当前的嵌入技术并不代表对网络群集算法的改进。
自然状态认知能力：人群尺度的基于博弈的认知评估
原文标题： Cognitive Abilities in the Wild: Population-scale game-based cognitive assessment
地址： http://arxiv.org/abs/2009.05274
作者： Mads Kock Pedersen, Carlos Mauricio Castaño Díaz, Mario Alejandro Alba-Marrugo, Ali Amidi, Rajiv Vaid Basaiawmoit, Carsten Bergenholtz, Morten H. Christiansen, Miroslav Gajdacz, Ralph Hertwig, Byurakn Ishkhanyan, Kim Klyver, Nicolai Ladegaard, Kim Mathiasen, Christine Parsons, Michael Bang Petersen, Janet Rafner, Anders Ryom Villadsen, Mikkel Wallentin, Jacob Friis Sherson, Skill Lab players
摘要： 心理学和社会科学正在发生一场革命：越来越明显的是，传统的基于实验室的实验无法刻画整个人群的认知能力和行为的全部差异。在制定可广泛应用于个人和人群的措施方面已经取得了一些进展。缺少的是大量经过验证的任务，这些任务可以轻松部署，在不同年龄段和社会背景下使用，并可以在实际，临床和研究环境中使用。在这里，我们介绍技能实验室，这是一种基于博弈的方法，可以有效地评估一组认知能力。与丹麦广播公司（Danmarks Radio，DR）合作招募的众包人口样本已在实验室外验证了技能实验室。我们基于博弈的测评完成速度是同等传统测验的五倍，并且可以在大量人口样本中复制以前关于认知能力随年龄下降的发现。此外，通过将博弈数据与博弈中调查相结合，我们证明了这一独特的数据集对社会科学中的关键问题具有暗示意义，对创业的千篇一律理论提出了挑战，并提供了风险偏好独立于执行功能。
Covid-19的感染动力学：锁定是有效的遏制工具吗？
原文标题： Infection Kinetics of Covid-19: Is Lockdown a Potent Containment Tool?
地址： http://arxiv.org/abs/2009.05280
作者： Amit k Chattopadhyay, Debajyot Choudhury, Goutam Ghosh, Bidisha Kundu, Sujit Kumar Nath
摘要： Covid-19在大流行中肆虐，死亡率和感染率最高。缺乏疫苗和治疗剂已通过封锁作为单一的收容方式而导致社会排斥。在6维感染动力学模型中利用机器学习的预测能力，描述6个感染阶段的交互演变-健康易感性（ H ），易感共病易感性（ P ），感染（ I ），恢复（ R ），免疫接种（ V ）和死亡率（ D ）-模型PHIRVD提供了18个国家处于战略锁定不同阶段的第一个准确的死亡率预测，距上次数据培训最多30天。 PHIRVD建立了死亡率/感染率作为正确的大流行描述词，代替了繁殖数量，并强调了早期和长期但有战略意义的封锁以遏制继发性复发的重要性。重要声明：1.准确预测18个国家的每日死亡率概况，比最后一次数据培训数据晚30天。 2.精确量化早期对后期锁定施加的影响。 3.准确预测继发性复发时间表/ 4.确定死亡率-感染比作为正确的大流行描述词，代替流行的繁殖数量选择，无法预测未来的感染动力学和继发性疾病。结果有可能重新定义健康的政策前景，尤其是考虑到继发性复发和将来可能发生的SARS-COV /埃博拉病毒集团入侵。
COVID-19高峰爆发的时间分析
原文标题： Temporal Analysis of COVID-19 Peak Outbreak
地址： http://arxiv.org/abs/2009.05285
作者： Amit Tewari
摘要： 这项研究的目的是探索如何利用数学模型，特别是易感性感染去除（SIR）模型，从第一例报告病例开始，在感兴趣的人群中预测COVID-19流行的高峰爆发时间表。直到进行这项研究时，还没有有效且普遍接受的疫苗来控制这种感染的传播和传播。 COVID-19主要通过感染者咳嗽和打喷嚏引起的呼吸道飞沫传播，这种感染会感染附近的人。 COVID-19正在全球蔓延。如果卫生政策制定者和医学专家能够在早期报告病例后尽早，及时地了解峰值感染率何时发生，他们可以规划和优化医务人员，呼吸机供应以及其他医疗资源，而不会给基础设施带来过多的负担。这些预测还可以帮助决策者制定控制流行病的策略，从而挽救许多生命。因此，通过利用可用数据提供对COVID-19爆发的可行见解，它可以帮助关键的决策过程。
流行病信息和风险意识对传染的耦合影响
原文标题： Coupled effects of epidemic information and risk awareness on contagion
地址： http://arxiv.org/abs/2009.05327
作者： Wen-Juan Xu, Chen-Yang Zhong, Hui-Fen Ye, Rong-Da Chen, Tian Qiu, Fei Ren, Li-Xin Zhong
摘要： 通过将延迟的流行病信息和自我限制的出行行为纳入SIS模型，我们研究了及时准确的流行病信息与人们对流行病信息对传染性的敏感性的耦合效应。在只有局部随机运动的人群中，流行信息是否延迟对流行的传播没有影响。人们对流行病信息的高度敏感性导致其规避风险行为，并抑制了流行病的传播。在只有全球人与人之间的流动的人群中，及时准确的流行病信息可以帮助个人及时切断与感染者的联系，并迅速控制流行病。流行病信息的延迟会导致个人对谁被感染，谁未被感染的判断有误，进而导致疾病的快速发展和高峰。在本地和全球运动并存的人群中，及时准确的流行病信息以及人们对流行病信息的高度敏感性在控制流行病中起着重要的作用。理论分析表明，由于流行病信息的延迟导致人们的误判导致易感人群和感染者之间的相遇概率更高，人们的自我限制出行行为有助于降低这种相遇概率。已经发现感染个体的比例与易感感染的遭遇概率之间的函数关系。
多层网络中的顺序播种
原文标题： Sequential seeding in multilayer networks
地址： http://arxiv.org/abs/2009.05335
作者： Piotr Bródka, Jarosław Jankowski, Radosław Michalski
摘要： 复杂的网络是多个现实世界系统的基础结构：社会，生物，计算机或通信，仅举几例。在许多情况下，它们有助于对在它们之上发生的过程进行建模，从而使您获得有关这些现象的更多知识。这种过程的一个例子是影响的传播。在这里，社会系统的成员通过相互联系，分享观点或想法，或者-通过说服-明确地在整个网络中传播影响力。由于此过程的重要性，研究人员调查了应该选择社会网络的哪些成员作为影响力传播的发起者，以使影响最大化。在这项工作中，我们遵循这个方向，开发和评估多层网络的顺序播种技术。结果表明，顺序播种通过增加覆盖范围并节省播种预算，优于传统方法。但是，这也延长了扩散过程的持续时间。
隔离的出现：从可观察的标记到特定于群体的规范
原文标题： The emergence of segregation: from observable markers to group specific norms
地址： http://arxiv.org/abs/2009.05354
作者： Juan Ozaita, Andrea Baronchelli, Angel Sánchez
摘要： 可观察到的社会特征决定了我们如何在社会中互动，甚至在我们全球化的世界中仍然普遍存在。尽管一个流行的假设指出它们可能有助于促进合作，但近年来它们促进协调的另一种解释已逐渐普及。在这里，我们探索了这个框架，并提出了一个研究种族标记在协调博弈中的作用的模型。我们考虑固定标记，这些标记表征使用强化学习来更新博弈策略的主体。对于广泛的参数，我们观察到集体平衡的出现，其中标志物起着分类作用。但是，如果个人过于遵从或贪婪，标记将无法塑造社交互动。这些结果扩展并补充了先前针对主体模仿的工作，并表明强化学习是解释许多种族标志的很好的候选者。
SemEval-2020任务12的WOLI：不同Twitter数据集上的阿拉伯语冒犯性语言识别
原文标题： WOLI at SemEval-2020 Task 12: Arabic Offensive Language Identification on Different Twitter Datasets
地址： http://arxiv.org/abs/2009.05456
作者： Yasser Otiefy (WideBot), Ahmed Abdelmalek (WideBot), Islam El Hosary (WideBot)
摘要： 通过社交平台进行交流已成为个人交流和互动的主要手段之一。不幸的是，健康的沟通通常会受到攻击性语言的干扰，这些语言可能会对用户造成破坏性影响。在社交媒体上与冒犯性语言作斗争的关键是存在自动冒犯性语言检测系统。本文介绍了SemEval-2020，任务12 OffensEval子任务A Zampieri等人的结果和主要发现。 （2020），《社交媒体中攻击性语言的识别和分类》。该任务基于阿拉伯语OffensEval数据集Mubarak等。 （2020）。在本文中，我们描述了WideBot AI实验室提交的共享任务系统，该系统在CodaLab用户名“ yasserotiefy”下的黄金数据集上，在52.Macro F1 86.9％参与者中排名第十。我们尝试了各种模型，最好的模型是线性SVM，其中我们同时使用了字符和词n-gram的组合。我们还引入了一种神经网络方法，可增强我们的系统的预测能力，其中包括CNN，公路网，Bi-LSTM和关注层。
评估和预测锁定策略对COVID-19案例影响的深度学习模型
原文标题： A deep-learning model for evaluating and predicting the impact of lockdown policies on COVID-19 cases
地址： http://arxiv.org/abs/2009.05481
作者： Ahmed Ben Said, Abdelkarim Erradi, Hussein Aly, Abdelmonem Mohamed
摘要： 为了减少COVID-19大流行的影响，大多数国家已经采取了几种对策来控制病毒的传播，包括关闭学校和边境，关闭公共交通和工作场所以及限制收集。在这项研究工作中，我们提出了一种深度学习预测模型，用于评估和预测各种锁定策略对每日COVID-19案例的影响。要做到这一点，首先要对具有类似锁定政策的国家进行聚类，然后根据每个聚类国家的日常情况以及描述其锁定政策的数据来训练预测模型。对模型进行训练后，就可以用来评估与锁定策略相关的几种情况，并研究它们对预测的COVID案例的影响。我们在卡塔尔作为用例进行的评估实验表明，该方法可达到竞争性的预测准确性。此外，我们的研究结果突出表明，取消限制，特别是对学校和边境开放的限制，将导致研究期间案件数量大大增加。
建模城市企业网络的增长
原文标题： Modeling growth of urban firm networks
地址： http://arxiv.org/abs/2009.05528
作者： Juste Raimbault, Natalia Zdanowska, Elsa Arcaute
摘要： 相互联系的城市网络的出现是全球化进程的关键特征。了解此类网络（尤其是城市公司网络）增长背后的驱动力，对于城市系统的经济弹性至关重要。我们在本文中介绍了用于城市地区企业网络的生成网络模型，包括几个互补过程：始发地和目的地城市地区的经济规模，企业之间的工业部门邻近度，过去的联系强度以及地理和社会文化距离。对欧洲公司所有权数据的经验网络分析证实了每个因素的相关性。然后，我们模拟城市综合系统的网络增长，揭示风格化的事实，例如从本地政权过渡到全球政权或在中间互动范围内实现最大整合。我们在欧洲网络上对模型进行了校准，其性能优于统计模型，并显示出路径依赖的强大作用。该模型的潜在应用包括对缓解政策的研究，以应对诸如经济危机或国家的潜在封锁之类的外来冲击，我们将其应用到典型场景中加以说明。
叙述与需求：使用Twitter话语分析“旋风孤儿”的经历
原文标题： Narratives and Needs: Analyzing Experiences of Cyclone Amphan Using Twitter Discourse
地址： http://arxiv.org/abs/2009.05560
作者： Ancil Crayton, João Fonseca, Kanav Mehra, Michelle Ng, Jared Ross, Marcelo Sandoval-Castañeda, Rachel von Gnechten
摘要： 人们经常求助于社交媒体，以评论并分享有关重大全球事件的信息。因此，社交媒体作为一种丰富的数据源正越来越受到人们的关注，以了解人们在极端天气事件中的社会，政治和经济经历。在本文中，我们提供了两种新颖的方法来利用Twitter的话语来描述叙事并确定未满足的需求，以应对``飓风安潘''（Cyclone Amphan），该飓风在2020年5月影响了1800万人。
声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。
网友评论